Etiquetar contenido de IA no basta: la prueba de autenticidad

A partir del 2 de agosto de 2026, quien publique en Europa un deepfake o un texto producido por un sistema de inteligencia artificial tendrá que declararlo. Es la obligación de transparencia del artículo 50 del Reglamento (UE) 2024/1689, el Reglamento de IA, y se mantiene firme en esa fecha: el paquete Omnibus que se debate en Bruselas no la aplaza. Quien genere contenido sintético tendrá que hacerlo reconocible como tal, con un marcado legible por máquina y, en el caso de los deepfakes, con información clara para las personas que lo ven.

Es un paso adelante. Pero resuelve solo la mitad del problema. Una etiqueta le dice a quien mira que un vídeo, una foto o un audio concreto fue producido o alterado por una IA. No dice nada sobre lo que es auténtico. Señalar lo falso no es lo mismo que probar lo verdadero: la etiqueta es una advertencia sobre lo sintético, no una garantía sobre lo auténtico. Y esa asimetría importa, porque la confianza no se reconstruye marcando lo que es artificial, sino demostrando lo que no lo es.

La pregunta que el Reglamento de IA deja abierta es, por tanto, simple e incómoda: ¿cómo demuestras que un contenido es real? La respuesta es un paradigma que complementa el etiquetado en lugar de sustituirlo. Junto al marcado de lo sintético, hace falta la certificación en origen de lo auténtico: documentar la procedencia, la fecha, la hora y la integridad de un contenido en el momento en que se crea, antes de que circule. Esa es la prueba positiva de lo verdadero. Y de eso trata este artículo.

El límite estructural del etiquetado: señala lo sintético, no prueba lo auténtico

El etiquetado lleva un límite incorporado: certifica lo que es artificial, pero deja todo lo demás sin definir. Un contenido sin etiqueta no es auténtico solo por ese motivo. Puede ser genuino, o sintético y nunca marcado, o marcado y luego despojado de la marca. La ausencia de la señal no prueba nada.

Sobre este límite lógico se apoya un problema práctico de durabilidad. Las marcas que exige el Reglamento de IA, desde los metadatos a las marcas de agua y los estándares de procedencia como C2PA y Content Credentials, son frágiles en cuanto el contenido sale de su entorno original. Un envío en una plataforma que recomprime los archivos, un recorte, un screenshot o una conversión de formato basta para que la información incrustada se degrade o desaparezca. Una marca de agua sobrevive a muchas manipulaciones, pero no a todas, y los metadatos se eliminan a menudo en el primer salto.

La brecha entre la norma y la realidad ya es medible. Una auditoría del observatorio Indicator sobre una muestra de unos 516 elementos sospechosos identificó cerca de 169 como sintéticos, y en muchas de las grandes plataformas solo una minoría del contenido generado por IA estaba correctamente etiquetado: las estimaciones recogidas por Agenda Digitale sitúan la proporción de etiquetado correcto en torno al 31-33 por ciento. Dicho de otro modo, dos elementos artificiales de cada tres circulan sin la marca que deberían llevar. Una obligación que en la práctica cubre un tercio de los casos no basta para fundar la confianza de quien mira la pantalla.

Hay además un efecto más sutil. Cuando la etiqueta se convierte en la norma, su ausencia empieza a leerse como una garantía de autenticidad: "no dice IA, así que debe de ser real". Ese es exactamente el razonamiento en el que se apoya un contenido sintético sin marcar para pasar desapercibido. Etiquetar lo sintético reduce un riesgo. No construye una prueba.

El dividendo del mentiroso: cuando todo se vuelve sospechoso

El etiquetado, por sí solo, corre el riesgo de amplificar un efecto secundario. Cuanto más evidente resulta que cualquier contenido puede fabricarse, mayor es la tentación de dudar de todo, incluido lo que es auténtico. Es el mecanismo que los investigadores llaman el dividendo del mentiroso: en un entorno saturado de falsificaciones verosímiles, alguien grabado haciendo algo real puede desestimar la prueba como "otro deepfake más" y marcharse.

La paradoja es que el etiquetado, pensado para proteger al público de lo falso, puede alimentar esta dinámica. Si la única señal disponible se refiere a lo que es sintético, la atención se concentra en la sospecha en lugar de en la verificación, y lo verdadero y lo falso acaban en el mismo plano de duda. No es un problema tecnológico, es un problema de confianza: hemos descrito en otro lugar cómo funciona el dividendo del mentiroso y por qué erosiona el valor de las pruebas, los testimonios y los documentos.

Escapar de esta paradoja significa desplazar el punto de apoyo. Mientras la única pregunta sea "¿este contenido es falso?", toda respuesta seguirá siendo cuestionable. La pregunta que vuelve a poner la confianza en pie es otra: "¿este contenido es lo que dice ser, y podemos demostrarlo?".

Prueba positiva de lo verdadero: la certificación en origen como paradigma complementario

La certificación en origen es el registro documentado de las características de un contenido en el instante exacto en que se captura: fecha, hora, integridad del archivo y procedencia, fijados antes de que el contenido entre en circulación y pueda copiarse, alterarse o sacarse de contexto. No describe lo que un contenido no es. Da fe de lo que es, de cuándo se creó y de que no ha cambiado desde entonces.

Es el inverso exacto del etiquetado, y por eso lo completa. La etiqueta parte de un contenido que ya está en circulación e intenta señalar su origen artificial a posteriori, cuando las señales quizá ya se han degradado. La certificación parte del origen y vincula el contenido a su historia desde el primer instante, de modo que cualquier alteración posterior se vuelve detectable por comparación. Esto es lo que hace que la prueba sea positiva: no un juicio sobre la probabilidad de que algo sea falso, sino una atestación verificable de lo que es auténtico. Quien quiera profundizar en el fundamento de este enfoque encontrará un análisis dedicado sobre el derecho a la autenticidad y la prueba positiva de lo verdadero.

Este paradigma no sustituye al Reglamento de IA: lo hace operativo allí donde la norma se detiene. El artículo 50 establece que lo sintético debe declararse, y eso sigue siendo una obligación que cumplir; quien busque el panorama completo puede consultar el análisis sobre las obligaciones de transparencia del artículo 50. Pero ninguna norma de etiquetado responde a la pregunta a la que se enfrenta quien recibe un contenido y tiene que confiar en él: un tribunal, una redacción, un departamento de cumplimiento, un ciudadano. Para ellos no basta con saber que algo no está marcado como IA. Necesitan poder demostrar que es genuino. La tabla siguiente pone los dos enfoques uno al lado del otro.

Dimensión Etiquetado de contenido generado por IA Certificación en origen
Objeto Señala lo que es sintético Da fe de lo que es auténtico
Momento A posteriori, sobre contenido ya en circulación En el origen, antes de circular
Tipo de prueba Negativa (una advertencia sobre lo falso) Positiva (una garantía sobre lo verdadero)
Durabilidad Metadatos y marcas de agua degradables por recompresión, recorte, conversión Procedencia e integridad vinculadas y verificables en el tiempo
Cobertura real En torno a un tercio del contenido de IA correctamente etiquetado (Agenda Digitale) Cada elemento capturado se certifica en el momento de la captura
Valor para quien lo recibe Saber que un contenido es artificial Poder demostrar que un contenido es genuino

Las dos herramientas trabajan juntas. El etiquetado reduce el engaño sobre lo sintético; la certificación fundamenta la confianza en lo auténtico. Una señala, la otra prueba.

Qué cambia para empresas, medios e instituciones

Para quien produce, publica o evalúa contenido, el paso del etiquetado a la certificación no es teórico: cambia el modo en que defiendes lo que es verdadero. Con unos dos elementos de IA de cada tres sin etiquetar en las plataformas (Agenda Digitale), confiar tu credibilidad solo al marcado de lo sintético significa dejarla en manos de un sistema que cubre un tercio de los casos.

Para las empresas lo que está en juego es la defendibilidad. Un documento, la foto de una obra, la grabación de una reunión o el screenshot de una conversación tienen valor solo si su procedencia e integridad pueden demostrarse cuando se impugnan. En un entorno donde cualquier prueba puede descartarse como manipulada, certificar en origen convierte un archivo en algo en lo que puedes confiar ante un cliente, una autoridad o un juez. Conviene vincular esta necesidad a la checklist de cumplimiento para empresas ligada a los plazos del Reglamento de IA.

Para los medios la cuestión es la reputación. Una redacción que publica un vídeo oficial o una fotografía de actualidad necesita poder dar fe de su origen antes de que otros lo compartan, lo recorten y lo recontextualicen. Una etiqueta sobre la falsificación ajena no lo protege; la certificación del propio material sí. Para las instituciones, por último, lo que está en juego es la resiliencia de la comunicación pública: una nota de prensa, un acto oficial o un vídeo institucional certificado en origen resiste una impugnación preventiva mucho mejor que uno que solo puede declararse "no generado por IA".

Cómo certificar en origen el contenido auténtico

Certificar en origen significa capturar un contenido con una metodología forense y fijar su procedencia e integridad en el mismo momento de la captura, antes de que circule. TrueScreen, la Data Authenticity Platform, hace exactamente esto: captura fotos, vídeos, audio, screenshots y documentos mediante un proceso forense, verifica su integridad y los certifica con valor legal, integrando el sello electrónico y el sello de tiempo cualificado de un QTSP tercero a través de API. TrueScreen no es un QTSP y no emite certificados cualificados: es la plataforma que orquesta toda la cadena de custodia e integra en ella el sello de un prestador cualificado, para que la prueba sea defendible.

El punto decisivo es que la certificación ocurre en el nacimiento del contenido, no a posteriori. Fecha, hora, integridad del archivo y procedencia quedan vinculadas al contenido de un modo que permanece verificable en el tiempo, y cualquier alteración posterior se vuelve detectable por comparación con el original certificado. No es un juicio sobre la probabilidad de que algo sea falso: es una atestación positiva de lo que es auténtico, que se sostiene frente a terceros.

Un ejemplo concreto. Una redacción recibe el vídeo oficial de una declaración de su gabinete de comunicación. Antes de publicarlo, lo certifica en origen: en el momento de la captura quedan fijados su origen, fecha, hora e integridad. Cuando el vídeo se comparte después, se recorta o se coloca junto a versiones sospechosas, la redacción no tiene que perseguir cada copia manipulada para desmentirla: posee la prueba positiva de que el suyo es el original genuino, con una cadena de custodia verificable. La etiqueta habría señalado un posible falso; la certificación demuestra lo verdadero.

FAQ: etiquetado de contenido de IA y prueba de autenticidad

¿Etiquetar el contenido de IA garantiza su autenticidad?

No. El etiquetado señala que un contenido es sintético, pero no prueba que otro contenido sea auténtico. Un archivo sin etiqueta no es genuino por ese motivo: podría ser sintético y nunca marcado, o marcado y luego despojado de la marca. Según las estimaciones recogidas por Agenda Digitale, solo en torno al 31-33 por ciento del contenido de IA está correctamente etiquetado en las plataformas. Para garantizar la autenticidad hace falta la certificación en origen, que da fe de la procedencia y la integridad desde el origen.

¿Cuál es la diferencia entre etiquetado y certificación?

El etiquetado es una prueba negativa: señala lo que es artificial, a posteriori, sobre contenido ya en circulación. La certificación en origen es una prueba positiva: da fe de lo que es auténtico registrando fecha, hora, integridad y procedencia en el momento en que se captura el contenido, antes de que circule. La primera reduce el riesgo de engaño, la segunda fundamenta la confianza. Son herramientas complementarias, no alternativas.

¿Qué es el contenido sintético?

El contenido sintético es contenido producido o modificado de forma significativa por sistemas de inteligencia artificial: imágenes, audio, vídeo o texto generados artificialmente, incluidos los deepfakes. El Reglamento (UE) 2024/1689, el Reglamento de IA, exige transparencia sobre él en su artículo 50: a partir del 2 de agosto de 2026, quien lo distribuya debe hacerlo reconocible como artificial con un marcado legible por máquina.

¿Es obligatorio etiquetar el contenido de IA?

Sí. El artículo 50 del Reglamento de IA introduce obligaciones de transparencia que se aplican a partir del 2 de agosto de 2026 y no se aplazan. Quien genere contenido sintético debe marcarlo en un formato legible por máquina y, para los deepfakes, se exige información clara a las personas. La obligación se refiere a señalar lo sintético: no establece cómo demostrar la autenticidad del contenido genuino.

¿Cómo se certifica el contenido digital auténtico?

Capturándolo con una metodología forense y fijando su procedencia, fecha, hora e integridad en el momento de la captura, antes de que circule. Una plataforma como TrueScreen captura fotos, vídeos, audio, screenshots y documentos, verifica su integridad y los certifica con valor legal, integrando el sello electrónico y el sello de tiempo cualificado de un QTSP tercero. El resultado es una prueba positiva de lo verdadero, con una cadena de custodia verificable que se sostiene frente a terceros.

Certify the authenticity of your content

Turn every photo, video, audio, screenshot and document into evidence with legal value. TrueScreen captures and certifies your content at the source, with a forensic methodology.

mockup app